GUÍA PRÁCTICA
Cómo funciona la transcripción de audio a MIDI con IA
Qué hace distinto a un modelo de inteligencia artificial de un afinador común, y sus límites reales.
En esta página5 secciones
Qué hace distinto a esto de un afinador
Un afinador estima la altura de una nota mientras suena. El transcriptor busca además comienzos y finales para proponer una secuencia de notas. HertzKit utiliza Basic Pitch, de Spotify, que admite notas simultáneas de un mismo instrumento; eso no significa que separe o identifique cada instrumento de una mezcla. Una nota detectada sigue siendo una estimación, no una confirmación de lo que se tocó.
Por qué corre en tu navegador y no en un servidor
El modelo pesa menos de 1 MB, además de la biblioteca de cálculo, y corre con TensorFlow.js en tu dispositivo. El audio no se envía para transcribirlo. La página, la biblioteca y el modelo necesitan descargarse antes del análisis; la primera carga requiere conexión. Esta herramienta no está incluida en el paquete offline, y abrirla una vez no garantiza que pueda transcribir después sin internet.
Qué hace bien y qué no
Empezá con una voz o un instrumento aislado y un fragmento de 10–30 segundos que puedas comprobar por oído. Acordes, reverberación, ataques débiles y ruido pueden producir notas omitidas, sobrantes o con otra octava. No reconoce letras, instrumentos ni percusión sin altura definida. Que Basic Pitch admita polifonía no convierte una canción completa en pistas separadas.
La exportación de HertzKit contiene notas de altura fija, duración y velocidad. No exporta las curvas de pitch bend del modelo ni detecta tempo, compás o tonalidad. Los valores iniciales de 120 BPM y 4/4 son referencias editables. Al pulsar Aplicar tempo y compás se conserva la posición temporal de las notas del audio, con el redondeo de los ticks; no se estira el audio ni se corrige la interpretación.
Qué hacer con el resultado
Después de transcribir, el panel de resultado reúne la escucha MIDI, el gráfico de todas las notas detectadas y la descarga. El original conserva sus propios controles; iniciar una escucha detiene la otra. La posición solo mueve la escucha y no recorta lo descargado. Si cambiás tempo o compás, la escucha MIDI y la descarga quedan deshabilitadas hasta aplicar esos ajustes.
Durante la transcripción se distinguen preparación del audio, detección de notas y preparación del MIDI. El porcentaje corresponde a la detección cuando el modelo lo informa; las otras etapas no muestran un tiempo restante inventado. Cancelar está junto al progreso. En Ajustes de detección podés cambiar sensibilidad, descartar notas más breves que un mínimo o limitar alturas. Se aplican al volver a transcribir; el resultado identifica los ajustes que lo generaron. Conservadora puede omitir notas suaves y Sensible puede añadir otras. Los filtros también pueden descartar notas correctas; Restaurar detección vuelve a Equilibrada, sin filtros adicionales. Estos controles no separan instrumentos ni extraen batería.
Descargá el MIDI y escuchalo en el visor de MIDI. El transpositor desplaza notas por semitonos; Taller MIDI permite revisar eventos, aplicar reparaciones o cuantización y ajustar la altura, velocidad, inicio y final de cada nota. Prepará la versión y comparala con Original antes de descargar. Para agregar o eliminar notas y continuar el arreglo, usá tu DAW. Después podés preparar la escritura con MIDI a partitura y revisar el MusicXML en tu editor de notación. Ninguno de esos pasos convierte el borrador en una transcripción certificada.